I modelli AI open-weight gestiscono ora il 63% del traffico di token su OpenRouter, rispetto a meno del 5% di soli due anni fa. L'impennata segue un calo di 50 volte del costo per token e un restringimento del divario di prestazioni che sta spingendo gli sviluppatori a ripensare la propria dipendenza dalle API closed-source.

I numeri dietro il cambiamento

L'analisi del traffico di Mozilla mostra che i modelli open-weight sono diventati la fonte dominante di calcolo sulla piattaforma OpenRouter. Il traffico di token conta ogni frammento di testo elaborato da un modello, rendendolo un indicatore affidabile dell'utilizzo nel mondo reale. Il salto dal sotto-5% al 63% in un arco di tempo così breve segnala un cambiamento strutturale piuttosto che una tendenza passeggera.

Perché l'economia è cambiata

Nel 2023, l'esecuzione di un modello ad alte prestazioni costava circa 20 dollari per ogni milione di token elaborati. Oggi quel prezzo è di 0,40 dollari: una riduzione di 50 volte ottenuta negli ultimi 36 mesi.

Il divario di prestazioni si restringe

I modelli open un tempo restavano indietro rispetto alle controparti proprietarie di circa l'8% nei benchmark standard. Misurazioni recenti collocano quel divario al 3,3%, una riduzione ottenuta in pochi mesi grazie a una migliore cura dei dati e a modifiche architettoniche. Il divario è ora così ridotto che molti sviluppatori non vedono grandi svantaggi nel sostituire un modello chiuso con uno aperto, specialmente quando il costo è decisivo.

Gli sviluppatori si stanno spostando in massa

I dati di Mozilla mostrano che il 79% degli sviluppatori che aggiungono funzionalità AI inizia ora con un modello open-weight. La scelta non riguarda solo il prezzo; i modelli open offrono ai team la piena visibilità su pesi, licenze e opzioni di deployment, il che si traduce in cicli di iterazione più rapidi.

La sovranità aggiunge urgenza

Quarantasette paesi hanno recentemente limitato l'elaborazione di carichi di lavoro critici tramite servizi AI stranieri. I modelli open possono essere ospitati su infrastrutture nazionali, consentendo a tali nazioni di mantenere il controllo dei dati e di conformarsi alle normative emergenti. La pressione politica sta accelerando l'adozione nei settori della finanza, della sanità e della pubblica amministrazione.

Il vero vantaggio competitivo è l'ecosistema di supporto

L'analisi di Mozilla evidenzia inoltre che gli strumenti di supporto — framework di prompt engineering, filtri di sicurezza, pipeline di orchestrazione — spesso producono miglioramenti delle prestazioni maggiori rispetto al passaggio a un modello marginalmente migliore.

Rischi del rimanere vincolati alle API chiuse

  • Rischio del fornitore – Cambiamenti nelle policy, revisioni dei prezzi o ordini governativi possono interrompere istantaneamente l'accesso, lasciando i servizi offline finché non viene negoziato un nuovo contratto.

Uno stack pragmatico per gli sviluppatori di oggi

  • Prediligere i modelli open-weight per la maggior parte dei carichi di lavoro in produzione.
  • Investire nell'ecosistema di supporto: costruire suite di valutazione, sviluppare librerie di prompt riutilizzabili e integrare livelli di sicurezza.
  • Progettare per la portabilità: astrarre le chiamate ai modelli dietro un'interfaccia che possa indirizzare verso più provider senza modifiche al codice.
  • Riservare i modelli chiusi per quel 10% circa di task che richiedono ragionamenti all'avanguardia o dati proprietari che i modelli open non possono ancora eguagliare.

Cosa osservare in futuro

I modelli open-weight dominano ora il mercato dei token AI perché sono drasticamente più economici e quasi altrettanto capaci delle alternative chiuse. I team che costruiscono un solido ecosistema di supporto e mantengono i propri stack portabili otterranno risparmi sui costi, proteggendosi al contempo dagli shock dei fornitori e delle policy. I modelli chiusi sopravvivranno come strumenti specializzati, ma la maggior parte del lavoro sull'AI si sta già spostando verso l'open.